tf.train.Saver() 和 GPU 的问题 - TensorFlow答案

【问题标题】：Problem with tf.train.Saver() and GPU - TensorFlowtf.train.Saver() 和 GPU 的问题 - TensorFlow
【发布时间】：2018-10-31 11:41:44
【问题描述】：

我的代码结构如下：

with tf.device('/gpu:1'):
...
model = get_model(input_pl)
...
    with tf.Session() as sess:
        saver = tf.train.Saver()
        sess.run(tf.global_variables_initializer())
        for epoch in range(num_epochs):
           ...
           for n in range(num_batches):
              ...
              sess.run(...)
           # eval epoch
        saver.save(sess, ...)

我想在训练阶段后保存模型。当我运行它给我这个错误：

InvalidArgumentError (see above for traceback): Cannot assign a device for operation 'save/SaveV2': Could not satisfy explicit device specification '/device:GPU:1' because no supported kernel for GPU devices is available.

阅读this question我是这样改代码的：

saver = tf.train.Saver()
with tf.device('/gpu:1'):
...
model = get_model(pointcloud_pl)
...
    with tf.Session() as sess:
        sess.run(tf.global_variables_initializer())
        for epoch in range(num_epochs):
           ...
           for n in range(num_batches):
              ...
              sess.run(...)
           # eval epoch
        saver.save(sess, ...)

但现在我得到了这个错误：

ValueError: No variables to save

我也尝试过这样做：

with tf.Session() as sess:
    saver = tf.train.Saver()
    ...
    with tf.device('/gpu:1'):
        sess.run(tf.global_variables_initializer())
        for epoch in range(num_epochs):
        ...
            for n in range(num_batches):
               ...
               sess.run()
            # eval epoch
        saver.save(sess, ...)

我仍然遇到同样的错误。错误总是在saver = tf.train.Saver() 行中。

我该如何解决这个问题？

【问题讨论】：

你在哪里构建图表？能否在构建图的代码中添加注释？
编辑了第一个代码块。在with tf.device(): 之后和tf.Session() 之前

标签： python tensorflow gpu

【解决方案1】：

解决了这个问题：

tf.Session()
型号
saver = tf.train.Saver()
with tf.device():

这里是一个示例代码

with tf.Session() as sess:
    ...
    model = get_model(input_pl)
    saver = tf.train.Saver()
    ...
    with tf.device('/gpu:1'):
        sess.run(tf.global_variables_initializer())
        for epoch in range(num_epochs):
        ...
            for n in range(num_batches):
               ...
               sess.run()
            # eval epoch
        saver.save(sess, ...)

【讨论】：